IA hoy China e India aceleran su infraestructura de IA: ¿qué significa para América Latina?
Mientras China escala chips domésticos e India busca 26 billones de dólares con IA, América Latina enfrenta el riesgo de depender de infraestructura extranjera sin una estrategia soberana de cómputo.
SenseTime, uno de los mayores jugadores de inteligencia artificial en China, lanzó el Proyecto Galaxy para escalar la infraestructura de chips de IA nacionales. La compañía reporta que su plataforma procesa 2,42 billones de tokens al día y proyecta alcanzar 10 billones para finales de 2026 —una multiplicación por 25 en dos años. También asegura que su tecnología híbrida heterogénea de inferencia ofrece hasta un 152% más de utilización de FLOPs en chips domésticos dominantes, con una relación costo-efectividad que dice ser 1,25 veces superior a la de las series H de Nvidia. SenseTime Galaxy Project
El movimiento de SenseTime no es aislado. India, por su parte, ha identificado la capacidad de cómputo como uno de los cuellos de botella para alcanzar su meta de convertirse en una economía de 26 billones de dólares para 2027 con IA como motor. Un informe del Observer Research Foundation señala que, pese a tener una fuerza laboral tecnológica destacada y altos puntajes en contribuciones a GitHub, el país ocupa el puesto 72 de 174 en el índice de preparación para IA del FMI. La infraestructura de cómputo, la disponibilidad de datos y el equilibrio entre innovación y regulación son las principales brechas. India's AI Imperative
Mientras tanto, el mundo se fragmenta en tres bloques de gobernanza de IA: el modelo liberal de mercado de Estados Unidos, el enfoque estatal chino y el marco normativo centrado en lo humano de la Unión Europea. China integra la IA en su estrategia de seguridad económica con planes como "AI Plus", mientras que la UE apuesta por startups y pymes alineadas con valores democráticos. Estados Unidos, a través de la Ley CHIPS de 2023, restringe el acceso a tecnología de punta a competidores como Huawei, forzando a las empresas chinas a innovar por su cuenta. Three Papers on International Political Economy of AI
Para América Latina, el escenario es desafiante. La región no tiene un plan coordinado para construir infraestructura soberana de cómputo de IA. Depende casi por completo de importaciones de chips (principalmente de Nvidia y AMD) y de centros de datos controlados por hyperscalers estadounidenses. Si la fragmentación global se profundiza —por ejemplo, con restricciones a la exportación de chips avanzados—, los costos de inferencia y entrenamiento para startups y empresas latinoamericanas podrían dispararse, y la disponibilidad de capacidad de cómputo reducirse.
La apuesta de China e India muestra que construir infraestructura nacional de IA no es solo una decisión técnica, sino geopolítica. Sin inversión pública y privada en centros de datos con chips locales (o al menos contratos de largo plazo con fabricantes diversificados), América Latina corre el riesgo de quedar fuera del mapa de la próxima ola de adopción de IA industrial. La pregunta para los ejecutivos de la región no es si deben adoptar IA, sino si tendrán la infraestructura para hacerlo de forma autónoma y competitiva.
